Bonifier les techniques de prospection en précisant la source des métaux dans les sédiments de fond de lac
Notice bibliographique
Résumé
L'examen des banques de données géochimiques de l'environnement secondaire (sédiment de fond de lac, till, sols, etc.) suggère que les concentrations de métaux dans la gyttja (boue accumulée sous Phypolimnion des lacs) pourraient être influencées par l'environnement dans lequel le lac se situe. De nouvelles hypothèses pour expliquer leur contribution au bilan métallique des sédiments doivent être testées. Ces hypothèses comprennent : (1) que les éléments ne présentent pas le même comportement dans les divers milieux hydriques, suggérant un partitionnement des métaux; (2) que des microorganismes à la surface des lacs exerceraient un facteur de préconcentration sélective de certains métaux et (3) qu'une portion importante de la charge cationique fixée dans les sédiments proviendrait de l'apport des eaux souterraines. \n \nIl devient alors essentiel pour l'interprétation des levés de sédiment de fond de lac que le déportement des métaux dans les sédiments soit pris en compte dans le processus d'exploration, une question qui n'est que rarement abordée par l'industrie. Afin de répondre à cette problématique, trois lacs ont été échantillonnés en plusieurs sites pour tenir compte des variations de la profondeur d'eau. Les échantillons de sédiment ont subi un prétraitement visant à séparer les fractions granulométriques. L'eau interstitielle a été filtrée et analysée à l'ICP-MS, mais ne donne pas de résultats concluants. Des analyses par ICPMS Aqua Regia ont été effectuées sur les échantillons solides dissous partiellement. Des mesures qui ciblent la matière organique ont été prises par perte au feu (PAF) et par digestion alcaline pour la silice biogénique. Une série de 6 lessivages séquentiels ont été effectués afin de déterminer la contribution au bilan métallique de chaque fraction du sédiment. \n \nLa profondeur est le facteur dominant dans la distribution des métaux dans les sédiments de lac et influence la variabilité du signal chimique et des facteurs environnementaux qui diminue avec l'augmentation de la profondeur. Des différences entre les valeurs du levé effectué pour Placer Dome et celui de la présente étude suggèrent qu'un seul échantillon par lac serait insuffisant. Une série de trois échantillons pris dans la partie la plus profonde du lac améliorerait grandement la représentativité de l'échantillonnage. De plus, le temps de l'année (été, hiver) semble influencer les concentrations en éléments dans les sédiments. Les méthodes d'extractions séquentielles sont efficaces et précises principalement pour les trois dernières extractions soit : les oxydes de fer, la matière organique et la matière cristalline. Cette méthode a permis de démontrer que; (1) la fraction détritique résiduelle est responsable en grande partie (plus de 50 %) du signal chimique pour la majorité des éléments; (2) La matière organique est un facteur de séquestration préférentiel pour certains éléments, dont : Cu, Se, Sn, Y, Lanthanides, Al, V, Cr, Be, Ga, Sr, Nb, Ag et Cd; (3) Les oxydes de fer représentent le troisième facteur en importance responsable de la variabilité dans la distribution des métaux dans les sédiments et contiennent les éléments : Ag, Fe, V, Mn, Co, Zn, Ni et quelques autres.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».